一种基于雷达和红外的粒子滤波融合跟踪方法

针对Kalman滤波不能处理雷达与红外传感器量测信息融合中的非线性问题,提出了一种基于粒子滤波方法的融合跟踪算法.该算法通过利用量测方程的非线性分析和粒子滤波器计算状态估计值,从而以线性迭代的方式得到系统的最优估计.仿真结果表明,与采用Kalman滤波的方法相比,该算法具有更高的估计精度,同时减小了计算量.     

运动车辆的多传感融合跟踪

针对单一传感器可靠性低、有效探测范围小的缺点,提出了采用雷达与机器视觉融合来实现路面运动车辆跟踪的新方法.该方法采用动力学模型对车辆运动进行描述,考虑了车体运动与车轮速率、转向角之间的关系,比用线性模型更符合车辆实际行驶时的复杂运动状况.通过基于雷达量测的扩展卡尔曼滤波估计建立视觉窗口,再根据图像灰度信息自适应调整窗口中心位置及尺寸,有效地限制了后继图像处理的工作区域,提高了系统的实时性.新方法采用数据融合技术,充分利用雷达与图像传感的量测信息,改善了对机动目标的状态估计.实验证明,该方法能明显提高路面运动车辆位置和方向角的跟踪精度.     

一种多传感器协同探测的雷达跟踪系统

战场上雷达是对目标进行跟踪的常用手段,当敌方施放有源压制干扰时常导致目标航迹丢失,雷达无法对目标进行持续跟踪。为了改善对目标的跟踪性能,建立了干扰背景下基于机载多传感器协同探测的雷达跟踪系统,首先采用Kalman滤波预测雷达量测缺失数据,当跟踪精度不满足期望值时应用支持向量机回归算法估计缺失数据作为雷达的量测值继续进行卡尔曼滤波估计,实现了对目标的持续跟踪,精度较高。仿真验证了该系统能够解决有源压制干扰条件下的目标航迹丢失问题,增强了雷达对目标的跟踪性能。     

粒子滤波融合跟踪方法

针对Kalman滤波不能处理多传感器量测信息融合中的非线性问题,提出了一种基于粒子滤波方法的融合跟踪算法.通过对量测方程的非线性分析,利用粒子滤波器计算目标状态估计值,通过线性迭代的方式得到系统的最优估计.仿真结果表明,与采用Kalman滤波的方法相比,该算法具有更高的估计精度和更少的计算量.相比于单传感器,减少了量测信息的模糊性,提高了资源的利用率.     

基于序列图像的深空小天体探测自主相对导航误差补偿方法研究

深空小天体是典型的空间非合作目标.基于序列图像的空间非合作目标自主相对导航是实现小天体探测的重要技术手段.由于在轨环境复杂,相机不可避免地会出现测量偏差,进而影响相对导航状态估计精度.本文在充分利用相机视场内恒星序列图像的基础上,通过最小二乘法计算相机在轨标定初值,结合测量偏差状态转移模型和"恒星对"之间的星光角距测量方程,将测量偏差扩维成状态估计参数,构建了基于相机在轨误差补偿的相对导航状态估计模型.结合无迹卡尔曼滤波算法,通过序列图像的帧间信息对比进行迭代估计,获得相机测量偏差和相对导航系统状态,提高状态估计精度.仿真分析中采用2016HO3小天体作为相对导航目标,仿真结果说明了该方法的有效性,能够有效地补偿相机测量偏差,实现相对导航系统状态高精度估计,为后续开展相关任务提供了一定的技术支撑.     

一种基于多传感器协同探测的雷达跟踪系统

战场上雷达是对目标进行跟踪的常用手段,当敌方施放有源压制干扰时常导致目标航迹丢失,雷达无法对目标进行持续跟踪。为了改善对目标的跟踪性能,建立了干扰背景下基于机载多传感器协同探测的雷达跟踪系统,首先采用Kalman滤波预测雷达量测缺失数据,当跟踪精度不满足期望值时应用支持向量机回归(SVMR,Support Vector Machine Regression )算法估计缺失数据作为雷达的量测值继续进行卡尔曼滤波估计,实现了对目标的持续跟踪,精度较高。仿真验证了该系统能够解决有源压制干扰条件下的目标航迹丢失问题,增强了雷达对目标的跟踪性能。     

采用熵函数法的多传感器空间配准算法的研究

针对传感器空间配准问题,提出了一种基于滑窗法的极小化极大熵函数的传感器空间配准算法。该算法使用熵函数作为优化准则,根据传感器的量测模型推导出关于传感器系统偏差的目标函数,然后借助极大熵函数的思想,将目标函数的绝对值转化为对应的极大熵函数,并且使用拟牛顿法求得的极大熵函数的解作为传感器系统偏差的估计值。在单目标跟踪场景和多目标跟踪场景下,与传统传感器空间配准算法在相同的仿真条件下进行对比,仿真结果表明,所提算法能够有效地提高传感器距离量测和角度量测系统偏差的估计精度,从而实现高精度的空间目标跟踪。     

带常值偏差的机动目标跟踪数据处理方法

机动目标跟踪中的系统误差是影响跟踪精度的关键因素之一。为了抑制系统误差带来的影响,本文提出了基于UKF的常值偏差估计的机动目标跟踪处理方法,通过对状态变量的扩维处理,不仅能有效抑制动力学模型非线性和观测模型非线性带来的模型误差,还能对观测模型中产生的系统误差进行估计,从而提高机动目标跟踪精度。仿真实验表明,在测距和测速跟踪模式下,测距系统误差能有效估计出来,常值偏差不会对跟踪精度产生影响。     

二自由度随动系统的自适应摩擦补偿

 为提高二自由度随动系统的跟踪精度,针对系统中存在的摩擦扰动问题,提出了一种基于LuGre模型的自适应摩擦补偿方法.该方法采用离线估计法对LuGre模型中未知参数进行估计,采用非线性观测器和自适应律估计LuGre摩擦模型中的不可测状态变量和易变未知参数.最后利用Lyapunov方法证明了整个闭环系统的渐进稳定性.仿真实验表明,该方法能有效补偿摩擦对二自由度随动系统低速性能的影响,从而提高跟踪精度.     

基于自适应UKF的实时弹道测量数据处理算法

针对无迹卡尔曼滤波(UKF)算法用于实时弹道测量数据处理中存在的非线性估计精度不高、实时性不好和滤波不稳定等问题,提出了一种自适应UKF算法.该算法借鉴强跟踪滤波思想,通过渐消因子在线修正调整状态预测协方差矩阵,实时调整增益矩阵,补偿弹道模型偏差.算法采用无偏转换测量处理量测方程,在保证滤波精度的同时,简化了滤波算法.仿真结果表明:该算法的滤波精度、收敛速度、稳定性和实时性均优于标准UKF算法,能有效用于实时弹道测量数据处理.